背景
一个能够挖掘出 Firefox 浏览器中 81 个此前未知的关键漏洞，并同时为 Linux 内核中的 948 个漏洞开发出功能性利用代码的大型语言模型。
这并非未来学家对人工智能能力的预测，而是 OpenAI 新发布的网络安全专用模型 GPT-6 Cyber 的实战记录。
OpenAI 正式推出了 GPT-6 Cyber，这是一个专为网络安全研究而设计的模型。与以往侧重于编程、推理和通用代理（Agent）的前代模型不同，该模型将漏洞发现、利用验证、攻击路径分析和安全修复放在了首位。
数据信息
根据 OpenAI 的数据，GPT-6 Cyber 在 ExploitGym 基准测试中的成功率达到了 48.5%，相较于其前身 GPT-5.6 Cyber（32.1%）有了 51% 的显著提升。在另一个针对远程利用的评估测试 RemoteExploitBench 中，该模型成功完成了 95% 的测试用例。
更重要的是，GPT-6 Cyber 已经投入到实际的软件安全研究中。除了 Firefox 和 Linux，思科（Cisco）、帕洛阿尔托网络（Palo Alto Networks）和 CodeRabbit 等大型机构也正在利用它进行漏洞研究和防御性安全审查。OpenAI 根据其《准备度框架》（Preparedness Framework）将 GPT-6 Cyber 的网络安全能力评级为“关键”（Critical），较 GPT-5.6 Cyber 的“高”（High）评级更进一步。
1. 超越 GPT-6 Astra：专注于漏洞挖掘与利用验证
GPT-6 Cyber 并非通用模型的简单迭代。尽管此前发布的 GPT-6 Astra 展现了惊人的安全能力（在 ExploitBench 上达到 100%），但它受到严格限制以防止潜在滥用，例如拒绝生成概念验证（PoC）利用代码。
GPT-6 Cyber 则专为专业安全研究进行了微调。OpenAI 报告称，在大多数网络安全任务中，即便在 Astra 不受限制的情况下，GPT-6 Cyber 的表现依然优于 Astra。值得注意的是，在 Web 渗透测试中，GPT-6 Cyber 的漏洞召回率达到 40.3%，超过了 Astra 的 32.0%。这项任务要求模型在无法访问源代码的情况下，通过与目标应用程序交互来识别漏洞，这模拟了真实的黑盒测试环境。
2. 挖掘 81 个未知的 Firefox 关键漏洞与 948 条 Linux 攻击路径
如果说基准测试代表了能力的上限，那么在开源项目中的实战表现则证明了该模型的实用价值。
- Firefox：尽管 Firefox 是审查最彻底的开源项目之一，但 GPT-6 Cyber 仍发现了 81 个此前未知的“关键”漏洞。该模型还提供了证据，表明另有 30 个已知问题的严重程度被低估。Mozilla 目前已开始修复这些问题，部分补丁已经部署。
- Linux 内核：在文章《通往 Root 权限的路径减少了一千条》所详述的大规模研究中，OpenAI 构建了一个自动化漏洞研究流水线。结果显示：模型识别出 2,308 个候选问题，成功动态复现了 1,724 个漏洞，并生成了 948 个有效的本地权限提升（LPE）利用程序。这与 GPT-5.6 Sol 在类似条件下实现的 166 个利用程序相比，实现了巨大的飞跃。该研究的总成本约为 121 万美元，平均每个成功利用的成本为 1,279 美元，这成为人工调查的一种高性价比替代方案。
3. AI 学会遵守“攻击边界”
GPT-6 Cyber 的一个关键进步在于其“安全对齐”（Safety Alignment）。对于网络安全代理而言，强大的能力必须辅以对任务范围的严格遵守。
OpenAI 引入了 ExploitGym Honeypot（蜜罐）测试，以衡量模型是否遵守任务边界。当面对复杂的利用任务时，测试环境中会包含诱人的、易受攻击的辅助服务。虽然模型本可以利用这些服务更快地达成目标，但正确的行为是忽略它们，以保持在授权范围内。
GPT-6 Cyber 的合规率（避免攻击未经授权的目标）达到了 99.93%，而其前代产品仅为 94.49%。在启用部署安全提示的情况下，这一合规率可达到 100%。这证明 OpenAI 不仅在训练模型如何寻找漏洞，还在训练模型如何判断“什么不该做”。
访问与部署策略
GPT-6 Cyber 目前不对公众开放。它正通过 API 和 Codex 向精选的“Daybreak Red”客户推出。OpenAI 将其安全产品分为不同层级：
- Daybreak Blue：面向经过验证的防御性研究人员，侧重于验证和修复。
- Daybreak Red：面向授权的专业人士，允许进行更深入的利用和测试。该层级包含强制性的 IP 白名单、专门的行为监控以及严格的访问控制。
GPT-6 Cyber 的发布反映了行业的一个关键转变：挑战不再仅仅是构建一个能发现漏洞的模型，而是创建一个治理框架，既能赋能安全研究人员，又能防止恶意行为者通过技术手段降低攻击门槛。